Aide à la détection de défaut et au diagnostic par l’analyse de données
Description
L’aide à la détection des défaillances et au diagnostic est un élément clé dans le cadre de la sureté et de la satisfaction client en après-vente pour le groupe Stellantis. Dans ce contexte ce projet vise à évaluer différentes approches data driven pour assister les démarches de surveillance et de diagnostic en garage.
L’objectif de ce projet, s’appuyant
sur un ensemble de données (séries temporelles) simulées et partiellement étiquetées,
est de mettre en œuvre des solutions numériques permettant de détecter
l’anormalité de situations, de classifier les défauts connus et de notifier et
regrouper les défauts inconnus tout en minimisant le recours à une expertise
technique.
Période(s) du cours
Prérequis
1SC4110 – Surveillance des systèmes,
Pronostic et Analyse de risque
Syllabus
Le projet s’appuie sur un jeu de
données (séries temporelles) simulées d’un système de contrôle commande (signal
de consigne et signal de mesure de la grandeur régulée). Les données sont
partiellement étiquetées : situation normale et différents types de défaut
(ex : défaut actionneur, défaut capteur, …). L’objectif est d’élaborer un système
de détection permettant de reconnaitre les situations normales des situations
anormales. Une fois la détection réalisée, un second système de classification
doit permettre de regrouper les défauts similaires (diagnostic). L’un des
éléments clés est que tous les défauts ne sont pas étiquetés est qu’une
démarche « dynamique » est nécessaire pour regrouper des défauts
similaires non étiqueté. Dans ce contexte, le recours à un oracle permettant
d’étiqueter une situation est possible mais doit être minimisé.
Composition du cours
Enseignement par projet
- 1ère partie : introduction aux concepts et aux
enjeux (un intervenant Stellantis).
- 2ème partie : mise en oeuvre de méthodes
statistiques sur des données simulées
Ressources
1 salle pour 30 élèves, avec
projecteur, organisée en îlots par groupe
Logiciels utilisés : Matlab/Simulink (accès réseau pour licence – filaire ou
wifi dimensionné) sur PC individuels des étudiants; Python, …
2 enseignants + 1 intervenant EDF
Participation de EDF sur l’ensemble de la semaine.
Résultats de l'apprentissage couverts par le cours
A l’issue de ce cours les élèves
seront capables :
• d'appréhender la problématique de la gestion des risques et de la prise de
décision sous incertitude
• d'analyser un système complexe et développer les éléments de réflexion
permettant d’aboutir à un modèle de représentation (physique, statistique …)
des phénomènes dont la mise en évidence fait l’objet de l’étude
• de mener la démarche de modélisation avec un choix approprié d’hypothèses de
modélisation et à appréhender les limites des modèles
• de conclure et décider sur la pertinence de la démarche et sur les
performances des solutions de modélisation proposées